基于人体手臂运动意图反馈的人机顺应协作

本文旨在通过人体手臂运动意图反馈来提高人与机器人协作的顺应性.首先通过自编码器和反向传播神经网络融合表面肌电信号和机器视觉信号,对人体手臂肘关节力矩和运动意图进行预测.然后,将人体手臂肘关节力矩反馈给机器人,以此预测手臂的运动意图并让机器人作出顺应响应,从而实现人机协作.最后,结合主观评价指标和客观评价指标,在人机协作锯木头实验中对比了3种不同协作模式的效果.与无运动意图反馈的人机协作相比,有反馈的人机协作下的协作交互力波动幅度减小了153.39 N,任务完成时间减少了19.25 s.实验结果表明,有人体手臂运动意图反馈的人机协作能够提高人与机器人协作的顺应程度,与人-人协作效果类似.     

A novel ADRC‑based design for a kind of fexible aerocraft

The paper presents a novel control design, which is based on the idea of active disturbance rejection control (ADRC), for a kind of fexible aerocraft whose controlled variable cannot be measured directly. Since the original frame of ADRC cannot be directly applied, the paper puts forward a new extended state observer (ESO) and the corresponding ADRC law. In order to assign the poles of the closed-loop system to ideal positions such that the vibration can be quickly suppressed, an elastic damping term is added into feedback law. The advantages of the new ESO for efectively estimating both the rigid mode and elastic mode from the measurements are discussed. Moreover, the analysis on the stability, the relative stability and the steady state of the closed-loop system is given. Finally, the efectiveness and robustness of the proposed ADRC are verifed by simulations.     

稳定的K-多均值聚类算法

指定K个聚类的多均值聚类算法在K-均值算法的基础上设置了多个次类,以改善K-均值算法在非凸数据集上的劣势,并将多均值聚类问题形式化为优化问题,可以得到更优的聚类效果。但是该算法对初始原型敏感,且随机选取原型的方式使聚类结果不稳定。针对上述问题,提出一种稳定的K-多均值聚类算法,并对该算法的复杂度与收敛性进行了简要讨论。该算法先基于数据样本的最邻近关系构造图,根据图的连通分支将数据分为若干组,取每组数据的均值点作为初始原型,再用交替迭代的方法对优化问题进行求解,得到最后的聚类结果。在人工数据集和真实数据集上的实验表明,该算法具有更稳定更优越的聚类效果。     

敌手能力有限时基于生成对抗网络的保密增强

保密增强是指通信双方在共享一个部分保密的串S且敌手只知道该串的部分信息的情况下,通过在公共信道上进行协商来提取一个更短的但是保密度更高的串S',使敌手得知关于S '的信息几乎可以忽略.近期人们使用生成对抗网络(GANs)实现了存在敌手的安全通信.主要研究了敌手能力有限时,利用生成对抗网络实现保密增强的问题.首先提出了保密增强的实现场景,通信双方利用交流信息产生密钥,敌手监听交流信息.然后参考Abadi等人的基本加密通信模型中的神经网络结构,设计了保密增强的通信模型.实验测试了在敌手获知部分信息或敌手计算能力较弱时的保密增强通信.经过修改激活函数和过滤器,以及增加模型复杂度,最终结果表明,在敌手获知70％的通信信息时,或者通信方比敌手模型复杂时,通信双方均能协商出一个安全的密钥,完成保密增强的功能.     

基于问句感知图卷积的教育知识库问答方法

近年来,随着教育信息化的不断深入,海量教育资源和教学数据不断累积,一些教育知识库被提出,这为数据驱动的智慧教育提供了良好的发展条件.基于教育知识库的问答方法能够为学习者提供即时的答疑辅导,进而有效提升学习者的学习兴趣和效率.然而,目前特定于教育领域的知识库问答研究较少,且开放领域的知识库问答方法大多独立地建模问句和候选答案实体,因而建模效果有限.基于此,提出一种基于问句感知图卷积网络的教育知识库问答方法.首先,针对特定问句,提取其中的问句描述信息和查询实体集,并分别通过Transformer和预训练的知识库嵌入进行处理得到两者的表示;其次,根据查询实体集从知识库中抽取候选答案集的子图,并通过双注意力的图卷积神经网络更新节点信息,其中注意力的得分分别利用问句描述信息和查询实体集的表示,进而实现问句感知;最后,融合问句描述信息、查询实体集和候选实体表示来计算得分,并预测答案.在真实数据集MOOC Q&A上进行实验,采用预测准确率和平均倒数排名的指标进行评估,实验结果表明提出的方法优于基准模型.     

任务感知双原型网络的人物交互少样本识别

人物交互(HOI)识别是计算机视觉领域的重要研究热点.随着深度学习在图像分类任务中的巨大成功,人物交互识别任务也取得重大进展,但样本不平衡和组合爆炸问题仍是制约当前人物交互识别任务性能的关键挑战.由此,将人物交互识别任务与少样本学习相结合,将人物交互识别任务定义为一个少样本任务,并提出了任务感知双原型网络(TDP-Net)来解决少样本人物交互任务.具体地,首先使用图方法为每个任务生成语义感知的任务表示作为任务的先验信息,并使用语义图注意力模块(SGA-Module)生成注意力权重,对特征图中不同区域进行不同重要程度的关注,以适应不同任务条件下的映射关系,实现在新任务中自动推理.此外,还设计了一个双路原型模块(DP-Module)以分别产生交互类别的动作类原型和物体类原型,并分别对动词和名词进行分类.通过分别为动作和物体建立类原型,有效地分离了动作和物体间复杂的视觉关系.同时由于人物交互类别之间具有相似性,可通过重新组合动作和物体类别将知识迁移到新的交互类别中.实验结果表明,该模型在人物交互少样本任务上的平均准确率比基线方法在两个实验设置上分别提高了3.2个百分点和15.7个百分点,验证了TDP-Net在少样本人物交互任务中的有效性.     

结合CNN与双向LSTM的心律失常分类

心律失常是心血管疾病中常见的病症之一,实现心律失常的自动分类对心血管疾病的诊治具有重要意义.基于一维心电信号的心律失常分类方法以若干节拍作为输入,通过模型提取特征并用于分类.针对现有方法预处理时间成本高以及未按医疗仪器促进协会(AAMI)标准分类等问题,提出了一种基于原始一维心电信号并按照AAMI推荐标准类别进行心律失常自动分类的方法.该方法首先利用卷积神经网络(CNN)学习心电信号的形态特征,之后通过双向长短期记忆网络(BLSTM)获取特征中的上下文依赖关系,最后借助softmax函数完成分类任务.方法采用mish函数作为激活函数,使得模型在训练中更为稳定.在公开数据库MIT-BIH上进行五折交叉验证,评估结果达到了99.11％的平均准确率,表明该模型可以有效地提取心电信号的特征,适用于监测系统中心律失常疾病的诊断.     

土工格栅加筋包边填砂路堤模型试验研究

为探究包边填砂路堤荷载作用下的极限承载力特性、破坏形态规律及加筋性状,设计了土工格栅加筋包边填砂路堤结构,改装美国GCTS公司的USTX-2000动静三轴加载装置进行加载,通过改变加筋层数、筋材布置长度及包边土厚度对土工格栅包边填砂路堤进行一系列试验。对不同工况下包边填砂路堤的极限承载力、封层及坡面法向累积变形、位移变化进行研究。试验结果表明:土工格栅加筋和增加包边土厚度可以显著提高包边填砂路堤的极限承载力,并能减小封层中、封层右及坡顶、坡中的法向累积变形;无筋路堤的滑动面在路堤内呈折线状且并未通过坡脚侵入地基,在坡顶的黏土和砂芯交界处产生最大位移;土工格栅加筋及增加包边土厚度可以使滑动面向路堤内部迁移但形态不变,且最大位移处向路堤内部迁移。     

基于地理信息系统的区域水环境承载力评价

掌握区域水环境承载力(WECC)对可持续发展政策的制定具有重要意义。针对恩施州的水环境现状,综合选取社会-资源环境-经济系统下的15个评价指标,构建水环境承载力评价指标体系。结合地理信息系统(GIS)空间分析功能,采用离差平方和组合赋权法对各指标的主、客观权重进行综合赋权,在GIS中将各指标进行栅格化处理并进行赋权叠加,得到2017年恩施州水环境承载力的量化值和水环境承载状态的空间分布图。结果表明,恩施州整体水环境承载力属一般水平,水环境承载力为优、良、一般、较差和差5个等级的面积比例分别为1.23%,27.24%,42.62%,19.17%,9.74%;其中来凤、宣恩、鹤峰3县水环境承载力最高,建始、巴东、咸丰3县水环境承载力稍次,利川市和恩施市的水环境承载力最差。研究成果可为恩施州可持续发展政策的制定提供指导。     

基于二次虚拟扩展的高分辨率波达方向估计方法

为进一步提高天线阵波达方向估计的分辨率,在四阶量多重信号分类方法的基础上,提出一种高分辨率的波达方向估计方法.利用阵列接收数据的四阶矩量进行虚拟阵列扩展,再利用阵列接收数据的共轭进行虚拟阵列扩展,实现二次虚拟扩展;将扩展后的阵列导向矢量和协方差矩阵用于波达方向估计,与原阵列导向矢量和协方差矩阵相比,相当于构造了更多的虚拟阵元,并扩展了阵列的孔径.仿真结果表明:与四阶量多重信号分类等波达方向估计方法相比,所提出的方法在波达方向估计中成功概率更高,均方误差更低,具有更高的分辨率.所提方法通过二次虚拟扩展,构造了更多的虚拟阵元,有效地提高了天线阵波达方向估计的分辨率.